Los gráficos de coordenadas paralelas son una herramienta de visualización útil que se utiliza para mostrar las relaciones entre múltiples variables que comparten los mismos datos numéricos. En LuckyTemplates, estos gráficos se crean con un código de Python muy simple que puede usar y crear y estilizar fácilmente.
En el blog de hoy, aprenderemos cómo crear gráficos de coordenadas paralelas o de múltiples variables usando Python . Recorreremos el proceso paso a paso, desde la preparación de los datos hasta la personalización del gráfico para una mejor legibilidad. Puedes ver el video completo de este tutorial en la parte inferior de este blog .
Tabla de contenido
Gráficos de coordenadas paralelas en Python: muestra 1
Esta es nuestra primera parcela. Muestra nuestras tres variables: variable A, B y C, y las dos líneas que representan los elementos 1 y 2.
Eso significa que tenemos dos conjuntos de datos, uno para el Artículo 1 y otro para el Artículo 2. Y para cada conjunto de datos, tenemos nuestras tres variables.
Veamos los datos para comprender mejor cómo se estructuró la trama.
Comience resaltando el gráfico. Haga clic en Datos.
Debería aparecer una tabla con datos muy simples. Fue creado usando la opción de insertar tabla. Podemos ver que en las columnas están las Variables A, B y C para cada elemento que están separados en cada fila.
Tenemos datos simples, pero podemos convertirlos en algo muy revelador. Por ejemplo, en nuestra gráfica, podemos determinar que la relación entre los datos es bastante "baja".
Para ilustrar, podemos comparar este gráfico con nuestros datos. La variable B en el ítem 1 es 100 y 115 en el ítem 2, como se muestra en el gráfico.
También podemos identificar cómo se relacionan los elementos y las variables. Por ejemplo, podemos ver fácilmente que la Variable A es más baja que la B, y que C es la más baja entre las tres.
El código Python de la trama
Procedamos ahora con el código de Python utilizado para la trama real.
Comience eligiendo el objeto visual de Python en el panel Visualizaciones .
Resalte nuestro primer gráfico para abrir el editor de secuencias de comandos de Python .
Primero, importamos matplotlib.pyplot y lo guardamos como variable plt.
Luego, incorporamos las características de pandas.plotting . Pandas sirve como una biblioteca de manipulación de datos en LuckyTemplates. Se utiliza principalmente para manipular datos, pero también tiene funciones de trazado.
Importemos las coordenadas_paralelas de pandas.plotting . Parallel_coordinates será la función principal para crear el gráfico.
Hacer la trama en Python
En la línea 13, documentamos lo que vamos a hacer escribiendo # hacer un diagrama.
Usamos coordenadas_paralelas y pasamos el conjunto de datos.
En la línea 3, podemos ver que el conjunto de datos se crea usando la función pandas.DataFrame ( ) . Luego, agregamos Elemento, Variable A, Variable B y Variable C, que luego se reflejan en nuestra lista de Valores .
En la línea 4, el conjunto de datos se deduplica utilizando dataset.drop_duplicates ( ).
Podemos ir al panel Visualizaciones para ver los valores que agregamos.
Eliminar cualquiera de estos valores afectará nuestras imágenes. Por ejemplo, si eliminamos la Variable C, las coordenadas cambiarán en consecuencia, mostrándonos cómo funcionan los Valores .
Recuperemos nuestra Variable C marcando la casilla junto a ella en Datos en el panel Campos .
A continuación, pase la función de coordenadas_paralelas que toma algunos argumentos diferentes. En nuestro caso, toma el conjunto de datos y el elemento, que proporcionará el tipo y la dimensión de nuestro conjunto de datos.
Si eliminamos Item de nuestra función y lo ejecutamos, el elemento visual no funcionará.
Obtendremos un error de secuencia de comandos de Python que indica que a la función de coordenadas_paralelas ( ) le falta 1 argumento posicional requerido, que es la columna_de_clase.
Así que agreguemos Item de nuevo. Debido a que es posicional, no necesitamos escribir coordenadas de clase. Podemos ejecutar el código una vez hecho.
Mostrando la trama en Python
El siguiente paso es mostrar el gráfico, por lo que en la línea 16 documentamos lo que vamos a hacer escribiendo # mostrar el gráfico.
Recuerde que antes importamos matplotlib.pyplot y lo guardamos como plt. Hicimos eso porque necesitamos la función plt.show() para mostrar nuestro gráfico.
Gráficos de coordenadas paralelas en Python: muestra 2
Nuestro segundo gráfico es un conjunto de datos de iris que muestra petal_length, petal_width, sepal_length y sepal_width. Tiene un poco más de estilo en comparación con el primer gráfico.
Este conjunto de datos se creó con código Python.
Para ver nuestros datos, haga clic en Transformar datos y vaya a iris_dataset.
El conjunto de datos contiene columnas para las dimensiones: longitud del sépalo , anchura del sépalo , longitud del pétalo y anchura del pétalo . También tiene una columna para el tipo de especie .
El código Python del conjunto de datos
Nuestros datos se trajeron fácilmente usando el código Python. Vaya a Fuente para mostrar el script de Python.
Nuestro código Python tiene solo dos líneas. En la primera línea, importamos seaborn y lo guardamos como variable sns . Nombramos a nuestro conjunto de datos como iris_dataset y usamos la variable sns para cargar el conjunto de datos usando la función sns.load_dataset('iris') .
Haga clic en Aceptar para obtener los datos que hemos visto anteriormente. Navegue a través de los datos y, una vez hecho esto, podemos cerrar el conjunto de datos yendo a Cerrar y aplicar > Cerrar .
Dar estilo a las parcelas en Python
Para abrir el editor de secuencias de comandos de Python para nuestro gráfico más estilizado, haga clic en nuestro segundo gráfico.
Comenzamos importando matplotlib.pyplot como plt.
Luego, usamos la función plt.style.use ('dark_background') para darle estilo a la imagen.
Podemos personalizar fácilmente el fondo en función de nuestro estilo preferido utilizando la referencia de hoja de estilo de matplotlib . En nuestro caso, utilizamos un fondo oscuro.
También intentemos usar ggplot , que es un estilo común que se usa.
Si lo ejecutamos, nos dará una imagen similar a esta.
Luego, cargue la función pandas para el gráfico importando coordenadas_paralelas desde pandas.plotting.
Para hacer el gráfico, traemos el conjunto de datos y establecemos nuestra especie como la clase .
En comparación con nuestro primer gráfico, agregamos un parámetro adicional que es el mapa de colores para obtener diferentes colores. Pase eso usando la variable matplotlib, plt.get_cmap.
Hay muchas variables de color de matplotlib para elegir en la referencia de mapa de colores de matplotlib .
Por ejemplo, actualmente estamos usando el Conjunto 2 de mapas de colores cualitativos, pero también podemos cambiarlo a otros colores, como hsv de mapas de colores cíclicos.
Haga clic en Ejecutar para obtener un gráfico similar a este.
Hsv no se ve muy bien en nuestros datos, pero podemos jugar hasta que encontremos el mapa de colores más adecuado para nuestra trama.
Correlación de Python: guía para crear
conjuntos de datos visuales en Pandas con ProfileReport() | Python en LuckyTemplates
Función Seaborn en Python para visualizar la distribución de una variable
Conclusión
En este tutorial, hemos cubierto los conceptos básicos de la creación de gráficos de coordenadas paralelas en Python. Hemos pasado por el proceso de preparación de los datos, creación de la gráfica y personalización de la gráfica para una mejor legibilidad.
Los gráficos de coordenadas paralelas son una herramienta poderosa para visualizar datos de alta dimensión y se pueden usar en una variedad de campos, incluidas las finanzas, la ingeniería y el aprendizaje automático. Ahora que sabemos cómo crear gráficos de coordenadas paralelas en Python , podemos comenzar a usarlos para comprender y visualizar mejor nuestros propios datos.
Mis mejores deseos,
Holanda
Descubra cómo calcular el total de transacciones realizadas en los últimos N días y obtenga información útil utilizando la inteligencia de tiempo en LuckyTemplates.
En este tutorial, demuestro cómo mostrar clústeres en sus datos permite extraer información valiosa usando técnicas DAX avanzadas.
En este tutorial, aprenderá a calcular la <strong>población actual del personal</strong> para las relaciones múltiples de la tabla de calendario mediante la función COUNTROWS y FILTER en LuckyTemplates.
Aprenda a crear una solicitud HTTP con Power Automate y cómo implementar soluciones efectivas para la automatización de tareas.
En este tutorial, aprenda cómo programar un flujo de escritorio en Power Automate para automatizar tareas en la web y su escritorio.
Aprenda a usar correctamente el control Terminar acción de Power Automate que termina las acciones en un flujo si no se cumple alguna de las condiciones.
Aprenda a combinar archivos de varias carpetas en su red, escritorio, OneDrive o SharePoint utilizando Power Query.
En este blog, analizamos las similitudes y diferencias entre los tipos de flujo de Power Automate y determinamos cuándo usar cada flujo. Encuentra la mejor opción de automatización.
Familiarízate con algunos conectores Power Automate integrados que transforman cadenas en otro formato: número, texto y fecha y hora.
Este tutorial detallado sobre el analizador VertiPaq en DAX Studio le enseñará cómo usar la pestaña Relaciones para optimizar su DAX y resolver problemas de integridad referencial.
